HINWEIS: Die IDRE Statistical Consulting Group wird die Migration der Website auf das WordPress CMS im Februar, um die Wartung und Erstellung neuer Inhalte zu erleichtern. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht länger erhalten bleiben. Wir werden versuchen, die Weiterleitungen so zu halten, dass die alten URLs weiterhin so gut funktionieren, wie wir können. Willkommen beim Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group durch ein Geschenk Stata FAQ Wie kann ich eine Faktorenanalyse mit kategorialen (oder kategorischen und kontinuierlichen) Variablen durchführen Standardmethoden zur Durchführung der Faktorenanalyse (dh auf Basis einer Matrix von Pearsons-Korrelationen) annehmen, dass die Variablen kontinuierlich sind und einer multivariaten Normalverteilung folgen. Wenn das Modell Variablen enthält, die dichotom oder ordinal sind, kann eine Faktorenanalyse unter Verwendung einer polychorischen Korrelationsmatrix durchgeführt werden. In Stata können wir eine Matrix polychorischer Korrelationen unter Verwendung des benutzerdefinierten Befehls polychoric erzeugen. Sie können den Befehl polychoric finden und installieren, indem Sie findit polychoric im Befehlsfenster von Stata eingeben und den Anweisungen auf dem Bildschirm folgen. Weitere Informationen zum Suchen und Installieren von benutzerdefinierten Befehlen finden Sie in unserer FAQ: Wie verwende ich findit, um nach Programmen und zusätzlicher Hilfe zu suchen. Beachten Sie, dass Variablen, die mit Polychoric verwendet werden, binär (01), ordinal oder kontinuierlich sein können, aber nicht nominal (ungeordnete Kategorien) sein können. Beachten Sie auch, dass die Korrelationen in der Matrix, die durch den polychorischen Befehl erzeugt werden, nicht alle polychorischen Korrelationen sind. Wenn beide Variablen 10 oder weniger beobachtete Werte aufweisen, wird eine polychorische Korrelation berechnet, wenn nur eine der Variablen 10 oder weniger Werte (dh eine Variable ist kontinuierlich und die andere kategorisch) eine polyserielle Korrelation berechnet und wenn beide Variablen nehmen Bei mehr als 10 Werten wird eine Pearsons-Korrelation berechnet. Sobald wir eine polychorische Korrelationsmatrix haben, können wir den factormat-Befehl verwenden, um eine explorative Faktoranalyse mit der Matrix als Eingabe durchzuführen, anstatt rohe Variablen. Der Datensatz für dieses Beispiel enthält Daten über 1428 Studenten und ihre Lehrer. Die Beispielanalyse umfasst dichotome Variablen, einschließlich Fakultätssex (facsex) und Fakultätsnationalität (US-Bürger oder ausländischer Staatsbürger, Facnat) kategoriale Variablen, einschließlich Fakultätsrang (Facrank), Student Rank (Studrank) und Grade (A, B, C, Etc.) und die kontinuierlichen Variablen Fakultätsgehalt (Gehalt), Jahre Lehre an der University of Texas (yrsut), und die Zahl der Schüler in der Klasse (nstud) in dieser Analyse. Diese Variablen wurden ausgewählt, um einen Bereich von Typen von Variablen (d. h. dichotom, geordnet kategorisch und kontinuierlich) zu repräsentieren und nicht notwendigerweise substantiell sinnvolle Faktoren zu bilden. Darunter öffnen wir den Datensatz und erzeugen die polychorische Korrelationsmatrix für die acht Variablen in unserer Analyse. Sie können feststellen, dass der polychorische Befehl etwas langsamer verläuft als Statas korrelieren und pwcorr Befehle, das ist normal. Der polychorische Befehl zeigt nicht die Anzahl der Fälle an, die für die Erzeugung der Matrix verwendet werden, aber sie speichert die n in r (sumw), so dass wir den Anzeigebefehl verwenden können, um ihn anzuzeigen. Dann verwenden wir den Matrixbefehl, um die polychorische Korrelationsmatrix (gespeichert in r (R) durch den polychorischen Befehl) als r zu speichern. So dass wir es mit dem factormat Befehl verwenden können. Dem Factormatbefehl folgt der Name der Matrix, die wir für die Analyse verwenden möchten (d. h. r). Die n (.) - Optionquot gibt die Stichprobengröße an und ist erforderlich. Wir haben die Faktoren (.) Option verwendet, um anzuzeigen, dass wir drei Faktoren beibehalten möchten. Die obige Faktorenanalyse kann in einer Weise interpretiert werden, die einem Standardfaktoranalysemodell ähnlich ist, einschließlich der Verwendung von Rotationsverfahren, um die Interpretierbarkeit zu erhöhen. HINWEIS: Die IDRE Statistical Consulting Group wird die Website im Februar auf das WordPress CMS migrieren, um die Wartung zu erleichtern Und die Schaffung neuer Inhalte. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht länger erhalten bleiben. Wir werden versuchen, die Weiterleitungen so zu halten, dass die alten URLs weiterhin so gut funktionieren, wie wir können. Willkommen beim Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group, indem Sie ein Geschenk geben Stata FAQ Wie kann ich CFA mit binären Variablen tun Lets sagen, dass Sie einen Datensatz mit einem Bündel von binären Variablen haben. Ferner glauben Sie, dass diese binären Variablen die zugrundeliegenden und nicht beobachteten kontinuierlichen Variablen widerspiegeln. Sie möchten Ihre Bestätigungsfaktoranalyse (CFA) nicht direkt auf den binären Variablen berechnen. Sie wollen die CFA auf tetrachorische Korrelationen, die die Assoziationen zwischen diesen zugrunde liegenden kontinuierlichen Variablen zu berechnen. Wir werden dies anhand von Daten mit fünf kontinuierlichen Variablen demonstrieren und daraus binäre Variablen erzeugen, indem wir sie an einem Punkt, der etwas über ihren Mittelwerten liegt, auf Dichotomie setzen. Beginnen wir mit dem Laden des hsbdemo. dta-Datasets und dem Erstellen von binären Variablen zum Lesen. Schreiben. Math Wissenschaft und Gesellschaft. Nun, da wir die binären Variablen haben, können Sie die Korrelationen zwischen der kontinuierlichen Version der Variablen und die binäre Version. Wie Sie sehen können, sind die Korrelationen zwischen der binären Version der Variablen viel niedriger als bei der kontinuierlichen Version. Die Pearson-Korrelationen neigen dazu, die Beziehung zwischen den zugrundeliegenden kontinuierlichen Variablen, die zu den binären Variablen führen, zu unterschätzen. Was wir brauchen, sind die tetrachorischen Korrelationen, die wir mit dem tetrachorischen Befehl erhalten können. Die tetrachorischen Korrelationen sind den ursprünglichen Korrelationen zwischen den kontinuierlichen Variablen viel näher als die Korrelationen zwischen den binären Werten. Für Vergleichszwecke wird ein CFA auf den ursprünglichen kontinuierlichen Daten berechnet. Als nächstes erstellen wir den SSD-Datensatz und berechnen die CFA auf den tetrachorischen Korrelationen. Sie werden feststellen, dass die Modellanpassung im Vergleich zu einem gesättigten Modell sehr nahe an dem Wert liegt, der erhalten wurde, als die CFA auf den kontinuierlichen Variablen lief. Der Inhalt dieser Website sollte nicht als eine Bestätigung für eine bestimmte Website, ein Buch oder ein Softwareprodukt der Universität von Kalifornien verstanden werden.
No comments:
Post a Comment